基于误差阈值的分形图像压缩

对简库恩的基本分形图像压缩算法进行了改进·从减少不必要的计算量入手,提出基于误差阈值的分形图像压缩算法·首先给定一误差阈值,然后计算子块与父块间有限个对应像素点之间的灰度误差累计和,得到超过误差阈值的最大计算次数,据此找到与子块最相似的父块,达到图像压缩的目的·实验表明,该算法能明显缩短图像压缩的时间,而信噪比和压缩比变化不大·     

用于运动位移估值的新匹配准则

在视频编码中,位移估值是编码速度的瓶颈。除了研究快速搜索算法外,匹配准则也是研究的热点。为了提高运动位移矢量的精度,减少估值用的运算量,利用人眼对物体边缘运动较敏感的特性,提出了一种新匹配准则——边缘像素点分类准则。在Ｓｏｂｅｌ边缘检测的基础上,对处于物体边缘位置的像素点根据其亮度值进行分类,一类为匹配点,另一类为不匹配点。将搜索区域内含边缘匹配点最多的子块判为匹配块。计算机模拟表明,利用边缘像素点分类准则进行位移估值得到的重建图像,质量比目前常用的平均绝对误差准则有显著改善,同时大大地减少了运算量。     

一种基于子波变换的图像编码方案

提出了一种基于子波变换的灰度图像数据压缩编码方案其基本思路是对子波分解后的最低分辨率亮度子图像采用ＪＰＥＧ编码，对各级边缘子图像进行阈值量化后采用行程编码。对５１２×５１２的Ｌｅｎａ灰度图像进行编码，在压缩比为５２时，峰值信噪比（Ｓ／Ｎ０ｐ为２９．２４５ｄＢ。并获得有较好视觉效果的重构图像。     

大背景噪声下动目标实时检测方法研究

提出用帧间方块编码差值法和邻域综合法提取运动目标．第一种方法是把当前帧方块的二值图像像素编码值与前帧对应的二值图像像素编码值求差值，由差值检测运动目标；第二种方法是检测２×２方块内各像素的帧差值符号位和帧差绝对值，由二者判别是否运动像素．与普通帧差法相比，提高了抗噪度，改善了运动目标的边缘特性，减少了硬件量．检测算法可以以视频速率工作．实验结果表明，所提出的检测方法是有效的．     

大背景噪声下动目标实时检测方法研究

提出用帧间方块编码差值法和领域综合法提取运动目标。第一种方法是把当前帧方块的二值图像像素编码值与前帧对应的二值图像像素编码值求差值，由差值检测运动目标；第二种方法是检测２×２方块内各像素的帧差值符合位和帧差绝对值，由二判别是否运动像素。与普通帧差法相比，提高了抗噪度，改善了运动目标的边缘特性，减少了硬件量。检测算法可以以视频速率工作。实验结果表明，所提出的检测方法是有效的。     

灰度图像平滑处理及着色方法

加权有向平滑滤波算法既能有效地滤除灰度图像中的噪声,又能很好保护图像的边缘和细节,弥补了常用空域平滑滤波算法不能兼顾去噪和保持图像细节的不足。采用四叉树技术对灰度图像进行分块;在每个子块中随机选取若干像素点,分别查找与其最匹配的样本点并传递颜色信息;接着,把这些像素点作为参考样本点,完成子块中其他像素点的着色。     

基于Matlab的图像曲线数据提取方法

对于文献中图的曲线数据的提取,提出一种通过采集像素点来识别曲线坐标的方法,并通过Matlab软件实现.首先用滤波器去除图片噪声,并确定用于灰度图转化为二值黑白图的阈值,然后通过搜索坐标框在灰度矩阵中的位置来确定真实坐标与灰度矩阵坐标的比例因子,最后获取曲线各像素点在灰度矩阵的坐标,并乘以比例因子得到曲线各点的坐标值.对曲线图像进行处理的结果表明,这种方法提取的数据准确,相对误差在-0.7%～+1.2%范围内,精度取决于原图像像素点的数目.     

彩色等离子体显示器灰度校正方法研究

针对彩色等离子体显示器（PDP）采用传统灰度校正方法存在严重灰度损失和灰度畸变的问题，在分析视觉灵敏度特性和亮度变化关系的基础上，提出了用多项式拟合进行灰度校正的新方法。该方法利用视觉灵敏度和亮度的对数在一定亮度区间的线性关系，把PDP的亮度划分为多个区间，根据每个区间的最小灵敏度阈值，计算出输入灰度对应的亮度，同时改进PDP实现多灰度级显示的最小亮度间隔，使显示亮度和计算亮度相等的最小亮度间隔数即为准确的输出灰度级，从而求出输入输出灰度级之间的多项式关系。计算结果表明：采用所提出的方法，明显提高了彩色PDP的灰度再现能力，灰度损失由原来的10．7％减小到4．5％以下，图像质量指数提高了7％以上。     

改变LCD显示图像属性的γ校正方法

测量了LCD屏上均匀分布的25点的灰度与亮度关系曲线,计算了25点红、绿、蓝三色的γ值.在改变图像属性量值的图像处理中用插值法对全屏像素点进行了γ校正,并用亮度插值及线性压缩对全屏进行了对称性补偿.另外,提出了用查表法进行γ校正的方法,测量和计算结果表明,该方法可提高图像属性改变量的准确性.比较了2种γ校正方法,分析其对图像处理的影响.采用γ校正的图像处理使图像属性能在小范围内作多种等级的改变,满足视觉感知的图像属性阈值研究的要求.     

一种面部图像处理的边缘检测方法

介绍在3×3小矩阵中直接采用中心像素值与周围各像素值分别求差,再分别将各个差值与阈值相比较,最后将各个结果综合起来判断此像素点是否为边缘点的方法。判断过的像素点对当前阈值进行了一定的修改,使之随实际情况上下浮动,更有利于当前像素点的判断。实验证明,该方法检测出的边缘更完整,噪声也能更有效地去除。